Ayer coincidieron dos anuncios que, leídos por separado, parecen no tener nada que ver. Mistral presentó un modelo de un billón de parámetros cuyos pesos publicará el 27 de octubre. Anthropic reorganizó el acceso a sus capacidades de ciberseguridad en tres niveles, cada uno con su proceso de verificación. Uno entrega el modelo y se desentiende de lo que ocurra después; el otro ofrece más capacidad a cambio de saber quién la usa y de conservar los registros. Son dos respuestas opuestas a la misma pregunta, y esa pregunta atraviesa casi todas las noticias del día: quién controla la IA que una empresa pone en producción.
Dos formas de repartir capacidad
Mistral Large 4 es, ante todo, una declaración de posición. Un billón de parámetros en una arquitectura de mezcla de expertos que activa 49.000 millones por consulta, entrenado en dos meses con unas 4.000 GPU en centros de datos europeos. Las cifras preliminares de la compañía lo sitúan un punto por delante de GLM-5.3 en DeepSWE y cinco por delante de DeepSeek-V4-Pro. Son benchmarks del fabricante y la propia Mistral admite que sigue por detrás de los modelos cerrados de frontera en programación, así que conviene tratarlos como una hipótesis de trabajo. Lo relevante es otra cosa: desde finales de mes, una organización europea podrá ejecutar en su propia infraestructura un modelo de esta clase sin depender de un proveedor estadounidense ni de uno chino.
Anthropic recorre el camino contrario. Su Cyber Verification Program distingue ahora entre defensa, red team y sistemas críticos, y en todos los niveles exige aceptar la retención de datos para vigilar el mal uso. El argumento tiene peso: los socios de Project Glasswing han verificado más de 129.000 vulnerabilidades desde abril, más de 33.000 de ellas críticas o altas. Una capacidad que encuentra fallos a ese ritmo sirve igual para corregirlos que para explotarlos. El resultado práctico es que el acceso deja de ser una cuestión de precio y pasa a ser una cuestión de identidad. Un equipo de pentesting tendrá que superar una revisión de varias semanas y un investigador individual, de momento, no puede optar al nivel intermedio.
Ninguno de los dos modelos es superior en abstracto. Los pesos abiertos dan soberanía y trasladan toda la responsabilidad a quien despliega. El acceso verificado da capacidad punta con un tercero observando. Lo que una empresa debe decidir es en qué casos de uso necesita cada cosa, y esa decisión ya no se puede aplazar con el argumento de que no hay alternativa europea.
La identidad del agente
El mismo problema aparece un escalón más abajo, en la relación entre agentes y empresas. Meta y Sierra han propuesto Personal Agent Protocol, un estándar sobre OAuth para que un agente personal se identifique ante un comercio, declare a quién representa y opere con los permisos que el consumidor le haya concedido. Que Walmart, Shopify y Stripe figuren entre los participantes indica dónde está el interés: el comercio agéntico no avanza mientras la empresa no sepa quién llama a su puerta.
En la práctica, este es el obstáculo que más proyectos de agentes de cara al cliente encuentran. El modelo razona suficientemente bien; lo que falta es una forma fiable de autenticar, autorizar y auditar. Dicho esto, hay que ser prudente: la especificación v0.1 todavía no se ha publicado, los pagos quedan para una extensión posterior y hay actores relevantes que no figuran entre los firmantes. Es un estándar que merece seguimiento, no una base sobre la que construir esta semana.
Nadie firma una garantía
La audiencia del Consejo Municipal de Nueva York del lunes puso la pieza que faltaba. Los representantes de OpenAI, Anthropic, Meta y Google evitaron comprometerse a que sus agentes cumplirán siempre las salvaguardas. La frase de Logan Graham, de Anthropic, resume el estado de la cuestión: la ciencia para lograrlo es difícil y no está resuelta. Es una respuesta honesta, y preferible a una promesa imposible, pero tiene una consecuencia directa para quien implementa. Si el fabricante no garantiza el comportamiento, la garantía la tiene que construir el que despliega: permisos mínimos, registro de acciones, límites de gasto y revisión humana en las operaciones que no admiten error.
Los proyectos de ley que se discuten en Nueva York, con validación externa previa y capacidad de apagado humano, apuntan en esa dirección. Que la regulación de agentes llegue ya al nivel de un ayuntamiento anticipa un mapa normativo fragmentado, y las empresas que operen en varias jurisdicciones harán bien en diseñar sus controles pensando en el requisito más exigente.
Quién controla lo que hay debajo
El control también se disputa en las capas físicas. Google ha contratado 3,6 GW con Constellation, parte de ellos procedentes de ampliar once unidades nucleares, con plazos de 15 y 20 años. Cuando la energía se compromete a dos décadas vista, la capacidad de cómputo de la próxima generación se está repartiendo ahora, y no entre muchos.
La financiación apunta al mismo sitio. Según The Wall Street Journal, Lambda busca hasta 4.000 millones de dólares antes de salir a bolsa, con una cartera de pedidos de 50.000 millones de la que unos 35.000 corresponden a un solo cliente. Según Bloomberg, DeepSeek negocia al menos 12.000 millones con Tencent y CATL. Ninguna de las dos operaciones está confirmada oficialmente, pero ambas describen una infraestructura cada vez más concentrada y más dependiente de unos pocos contratos.
Los Estados han tomado nota. Corea del Sur prevé 4,7 billones de wones para un modelo de frontera propio, la mayor parte destinada a GPU. Y SAP, al comprar la belga TechWolf, se asegura la capa de datos sobre competencias y tareas que dará contexto a sus agentes de recursos humanos. En cada nivel, alguien está comprando la pieza que le permite no depender de otro.
Qué hacer con todo esto
Para una empresa que implementa IA, la lectura es bastante concreta. Conviene clasificar los casos de uso según el grado de control que exigen y no según el modelo que esté de moda: habrá procesos en los que un modelo de pesos abiertos en infraestructura propia sea la opción razonable, y otros en los que la capacidad de un modelo cerrado compense las condiciones de acceso. Conviene también asumir que la identidad y los permisos de los agentes son un problema de arquitectura propio, exista o no un estándar. Y conviene revisar la dependencia de proveedores de cómputo con el mismo rigor con que se revisa cualquier otro proveedor crítico.
La conclusión del día es que la capacidad ha dejado de ser el recurso escaso. Lo escaso es el control: sobre los pesos, sobre el acceso, sobre la identidad del agente y sobre la energía que lo alimenta. Quien no decida dónde quiere tenerlo acabará con el que otros le dejen.
Las noticias del día
Mistral presenta Large 4, un modelo de un billón de parámetros con pesos abiertos
Mistral lanzó el 6 de octubre Mistral Large 4 (apodado «Le Chonk»), un modelo multimodal de mezcla de expertos con un billón de parámetros, de los que solo 49.000 millones se activan por consulta. Se entrenó durante dos meses con unas 4.000 GPU Nvidia Grace Blackwell en centros de datos europeos. Está disponible en vista previa por API y los pesos se publicarán el 27 de octubre. Según las cifras preliminares de la propia Mistral, alcanza un 62 % en DeepSWE v1.1, por delante de GLM-5.3 (61 %) y DeepSeek-V4-Pro (57 %), aunque la compañía reconoce que sigue por detrás de los modelos cerrados de frontera en programación.
Por qué importa: es la primera opción europea de pesos abiertos que compite de tú a tú con los modelos abiertos chinos, y abre la puerta a desplegar un modelo de esta clase en infraestructura propia; los benchmarks son del fabricante y hay que validarlos con casos reales.
Fuente: The Next Web
Anthropic reorganiza su acceso para ciberseguridad en tres niveles e integra Project Glasswing
Anthropic amplió el 6 de octubre su Cyber Verification Program con tres niveles: Defense Access (respuesta a incidentes, análisis de malware), Red Team Access (pentesting autorizado, sin investigadores individuales por ahora) y Specialized Access (sistemas críticos, con coordinación con el Gobierno de EE. UU.). Todos exigen aceptar la retención de datos para vigilar el mal uso. Los socios de Glasswing han verificado más de 129.000 vulnerabilidades desde abril, más de 33.000 de ellas críticas o altas.
Por qué importa: las capacidades ofensivas más potentes pasan a depender de quién eres y de que aceptes ser auditado; los equipos de seguridad que quieran usarlas deben prever semanas de revisión y condiciones de retención de registros.
Fuente: SiliconANGLE
Meta y Sierra proponen un protocolo abierto para que los agentes personales se identifiquen ante las empresas
Sierra y Meta anunciaron el 6 de octubre Personal Agent Protocol, un estándar abierto basado en OAuth que define cómo un agente personal se autentica ante una empresa, qué permisos le concede el consumidor (invitado, lectura o escritura) y cómo se mantiene la sesión entre canales: web, API (MCP y OpenAPI) o el agente de la propia empresa. Participan Walmart, Shopify, Stripe, Genesys, Rocket e Instinct. La especificación v0.1 se publicará a lo largo de octubre; pagos y permisos granulares quedan para más adelante.
Por qué importa: la identidad y la autorización del agente son hoy el cuello de botella del comercio agéntico; conviene seguir el estándar, pero aún no hay especificación publicada sobre la que construir.
Fuente: Sierra
Google contrata 3,6 GW con Constellation, incluida ampliación nuclear
Google firmó con Constellation Energy dos acuerdos en la red PJM: un PPA a 20 años por 890 MW de nueva capacidad nuclear y un contrato a 15 años por 2,7 GW adicionales. Constellation invertirá 4.300 millones de dólares en ampliar la potencia de 11 unidades nucleares en Illinois, Nueva Jersey y Pensilvania. PJM prevé hasta 30 GW de crecimiento de la demanda punta hasta 2030, impulsado por los centros de datos.
Por qué importa: la energía se contrata ya a 15 y 20 años; la capacidad de cómputo futura la deciden hoy los contratos eléctricos, y eso condiciona precios y disponibilidad de inferencia a medio plazo.
Fuente: Data Center Dynamics
DeepSeek negocia una ronda de al menos 12.000 millones de dólares (no confirmado)
Según Bloomberg, que cita fuentes conocedoras de la operación, DeepSeek captará al menos 80.000 millones de yuanes (unos 12.000 millones de dólares) con el respaldo de Tencent y CATL, y la cifra podría acercarse a los 15.000 millones. La compañía prepara una salida a bolsa para 2027. DeepSeek no ha confirmado la operación.
Por qué importa: el principal laboratorio chino de modelos abiertos se capitaliza a una escala comparable a la de sus rivales occidentales, lo que sostiene la presión a la baja sobre el precio de la inferencia.
Fuente: Quartz
Lambda busca hasta 4.000 millones antes de salir a bolsa (no confirmado)
Según The Wall Street Journal, el proveedor de GPU en la nube Lambda negocia una ronda de hasta 4.000 millones de dólares a una valoración previa de 14.500 millones, liderada por Coatue y Blackstone, como última financiación privada antes de su salida a bolsa en 2027. Su cartera de pedidos pasó de 15.000 a 50.000 millones entre junio y septiembre; unos 35.000 millones corresponden a un único cliente, Anthropic.
Por qué importa: la concentración de clientes es el riesgo estructural de los neoclouds; quien contrate capacidad con ellos debe valorar esa dependencia.
Fuente: TechCrunch
OpenAI, Anthropic, Meta y Google no garantizan en Nueva York que sus agentes respeten siempre los límites
En una audiencia del Consejo Municipal de Nueva York celebrada el 5 de octubre, los representantes de las cuatro compañías evitaron comprometerse a que sus agentes cumplirán siempre las salvaguardas. «La ciencia para hacerlo es fundamentalmente difícil y no está resuelta», dijo Logan Graham (Anthropic). Tres exinvestigadores de OpenAI y Google DeepMind testificaron sobre riesgos de pérdida de control. Los proyectos de ley en trámite incluyen validación externa previa al despliegue, capacidad de apagado humano y multas de 25.000 dólares por infracción.
Por qué importa: la regulación de agentes baja al nivel municipal y los proveedores admiten que no pueden garantizar el comportamiento; la responsabilidad del control recae en quien despliega.
Fuente: Fortune
SAP compra la belga TechWolf para integrar inteligencia de competencias en SuccessFactors
SAP anunció el 6 de octubre la adquisición de TechWolf, empresa de Gante cuya plataforma infiere tareas y competencias de la plantilla a partir de los datos de trabajo. Se integrará como núcleo de SAP SuccessFactors. Los términos no se han hecho públicos; el cierre se espera en el cuarto trimestre de 2026. TechWolf mantendrá su sede y seguirá atendiendo a clientes ajenos a SAP.
Por qué importa: los grandes proveedores de software empresarial compran la capa de datos que da contexto a sus agentes; para quien use SuccessFactors, el mapa de competencias pasará a ser nativo.
Fuente: SAP News
Corea del Sur destina 4,7 billones de wones a un modelo de frontera propio
El Ministerio de Ciencia y TIC surcoreano dividirá su proyecto de IA soberana en dos vías, desarrollo de modelos de frontera y despliegue industrial, con 4,7 billones de wones (unos 3.500 millones de dólares) en el proyecto de presupuestos del próximo año, de los que 3,85 billones irán a capacidad de GPU. SK Telecom, LG AI Research y Upstage compiten por dos plazas finales. Parlamentarios y expertos han criticado la falta de claridad entre ambos programas.
Por qué importa: la soberanía en IA se mide ya en GPU y presupuesto público; es un punto de comparación útil para los planes europeos.
Fuente: Korea JoongAng Daily